AI в здравеопазването може да изпревари лекарите до 2030 г.
Автори в Journal of the American Medical Association заявиха този месец, че автономният AI в здравеопазването може да надмине лекарите и хибридните модели лекар-AI при ключови медицински задачи до 2030 г. Твърдението е важно, защото измества разговора в сектора отвъд подпомагащия софтуер към въпроси за автономността, отговорността, дизайна на работните процеси и доверието на пациентите. Според статия в JAMA, разгледана в свързано отразяване, тази промяна може да настъпи по-бързо, отколкото много здравни системи очакваха.
Статия в JAMA: автономният AI може да надмине лекарите до 2030 г.
Сред водещите автори на публикацията са медицинският етик Ezekiel Emanuel и инвеститорът Vinod Khosla, а тезата им е необичайно директна: AI системите скоро може да осигуряват по-добри грижи от лекарите, работещи самостоятелно, или дори от лекарите, работещи заедно с AI. Прегледът им обхваща публикувани изследвания от 1 януари 2024 г. насам и се фокусира върху пет клинични задачи: снемане на анамнеза, поставяне на диагноза, избор на изследвания, предписване на лечение и управление на хронични заболявания.
Именно този обхват прави публикацията новина. Това не е поредното тясно твърдение за помощ при документация или административна ефективност. Това е теза за самата лекарска практика.
Emanuel казва пред Wired, че дълго е отхвърлял подобен извод. „I said bullshit, there’s no way,“ казва той за по-ранни прогнози, че алгоритмите ще поемат по-голямата част от лекарската работа. Но след преглед на по-новите данни той и съавторите му стигат до заключението, че „superior autonomous AI“, който надминава човешкото или хибридното представяне до 2030 г., е „unsettling but seems probable“, както е обобщено в материала на Wired по темата.
Защо според авторите грижата с човек в процеса може да изостава
Най-провокативната част от публикацията не е, че AI се подобрява. Това вече е ясно в области като радиологична подкрепа, триаж, ambient documentation и комуникация с пациенти. По-същественото твърдение е, че човекът в процеса понякога може да понижи общото представяне на системата.
На практика това означава, че клиницист може да отмени статистически по-добра препоръка, да въведе непоследователност между смените или да забави реакцията в среди с голям обем случаи, където скоростта влияе върху резултатите. Това също подсказва, че част от корпоративните AI интеграции в предоставянето на грижи може да достигнат таван, ако организациите настояват да използват AI само като помощен слой.
Този аргумент ще звучи познато за всеки, който следи дигитални здравни оператори като Curai Health, която комбинира AI-водени процеси на грижа с лекарски контрол при предписания и по-сложни случаи. По-широкият извод е, че AI за здравеопазването може да се раздели на две категории: подпомагащи системи, създадени да подкрепят клиницистите, и автономни системи, създадени да поемат ясно ограничени работни процеси от край до край.
За ръководните екипи това създава по-практичен въпрос от това дали лекарите ще изчезнат. Истинският въпрос е кои задачи могат безопасно първи да преминат под машинно управление. Екипите, които оценяват това, често започват с картографиране на процесите и преглед на възможностите преди изобщо да обсъждат автономност; в здравеопазването това може да изглежда сходно с подготвителната работа зад AI integration solutions for healthcare, особено когато трябва едновременно да се оценят диагностичната подкрепа и системната интеграция.
AMA: доказателствата още не са достатъчни за пълна автономност
Лекарската общност не приема извода на публикацията безусловно. John Whyte, CEO на American Medical Association, твърди, че доказателствената база остава непълна и че част от цитираните изследвания са симулации, а не заслепени сравнения в реална среда.
Това разграничение е важно. Моделите в здравеопазването не се провалят само защото дават грешен отговор. Те се провалят, когато пациентите описват симптомите си неточно, когато липсват данни, когато персоналът не може последователно да интерпретира резултатите или когато инструментите се внедряват в натоварени процеси, които не са проектирани около тях.
Публикация в Nature от февруари 2026 г. подсилва тази предпазливост. Тя установява, че в реални случаи много пациенти не са могли да водят достатъчно ефективен разговор с големи езикови модели, за да използват пълния им потенциал. Това е оперативно ограничение, а не теоретично.
Позицията на Whyte, според отразяването на дебата около публикацията, е, че AI трябва да остане в рамките на план за грижа, управляван от лекар. Това е разумен противовес на тезата за автономността. То също насочва към повтарящ се проблем при внедряването: качеството на модела и качеството на потребителското взаимодействие са различни променливи. Силен модел в слаб клиничен процес пак може да доведе до слаба грижа.
Какво може да промени публикацията за болници и здравни системи
Ако тезата на JAMA набере сила, първото въздействие няма да бъдат напълно автономни болници. То ще бъде натиск върху конкретни процеси, при които AI вече разполага със структурирани входни данни, измерими резултати и висок обем.
Три области се открояват.
Първо, приемът и триажът. Това са повтаряеми, чувствителни към времето процеси, при които AI автоматизацията може да стандартизира въпросите, да ескалира според рискови сигнали и да намали времето в опашка. Второ, диагностичната подкрепа, особено в ясно ограничени специалности, където дигиталните доказателства вече се събират чисто. Трето, управлението на хронични състояния, където последователността и честотата на проследяване могат да са толкова важни, колкото и всяко отделно посещение.
Тук болниците, групите доставчици и healthtech компаниите ще имат нужда от повече дисциплина, отколкото ентусиазъм. След като даден процес бъде определен като подходящ за автономност, всичко около него се променя: моделите за екипиране, протоколите за ескалация, допусканията за лекарска отговорност, изборът на доставчици, интеграцията на данни и комуникацията с пациентите.
Сравнението, направено от Robert Wachter от UCSF, остава полезно и тук. В неговата рамка първокласната грижа може да остане колаборативна, докато моделите за по-достъпен достъп разчитат в по-голяма степен на AI. Ако този модел се запази, здравните организации няма да решават просто дали да приемат разработка на AI агенти или AI автоматизация. Те ще решават кои нива на услугата получават човешко внимание по подразбиране и кои — само по изключение.
Как трябва да реагират enterprise екипите в здравеопазването сега
Балансираният отговор не е нито отричане, нито ускоряване на всяка цена. По-разумният ход е тази публикация да се приеме като сигнал, че стандартите за оценка трябва да станат по-строги.
За повечето enterprise екипи това означава четири неща. Да дефинират точната задача, вместо да обсъждат AI общо. Да разделят подпомагащите случаи на употреба от автономните. Да тестват представянето в реални работни условия, а не само спрямо benchmark показатели. И предварително да решат какви доказателства са достатъчно силни, за да се разшири обхватът.
Тук започват да се пресичат AI implementation services, AI agent development и enterprise AI integrations. Една болница не може да оценява автономността отговорно, ако каналите за данни са непълни, отговорността при ескалация е неясна или frontline екипите не са обучени за режимите на отказ. Първото тясно място често е организационната готовност, а не зрелостта на модела.
Какво да се следи оттук нататък? Дали последващи изследвания ще сравняват автономна и лекарски надзиравана грижа в повече реални среди, с включена в оценката използваемост за пациентите. Вторият сигнал ще бъде търговски: дали здравните системи ще разширят тесните пилоти към клинични процеси, управлявани от машини, или ще запазят AI в здравеопазването основно в поддържаща роля още един цикъл.
Martin Kuvandzhiev
CEO and Founder of Encorp.io with expertise in AI and business transformation